論文の概要: Discovering Crystal Structure Prediction Algorithms with an AI Co-Scientist

• arxiv url: http://arxiv.org/abs/2606.22866v1
• Date: Mon, 22 Jun 2026 05:24:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-25 04:03:42.322338
• Title: Discovering Crystal Structure Prediction Algorithms with an AI Co-Scientist
• Title（参考訳）: AI共同研究者による結晶構造予測アルゴリズムの発見
• Authors: Kiyoung Seong, Nayoung Kim, Sungsoo Ahn,
• Abstract要約: クロスドメイン探索とスパース・ヒューマン・ステアリングによる科学的アルゴリズム発見のためのHuman-AI Co-Discovery System(HACO)を導入する。 HACOインスタンス化Masked Generative Crystal Transformer (MaskGXT) は結晶構造の離散トークンモデルである。 MaskGXT は 79.06% のマッチ・エビゾン・ツー・レファレンス (METRe) の精度に達し、最も評価の高いベースラインでは 70.87% である。
• 参考スコア（独自算出の注目度）: 29.599535841852727
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We introduce Human-AI Co-discovery system (HACO) for scientific algorithm discovery through cross-domain search and sparse human steering. Starting from the goal of generating crystal structures from chemical compositions, HACO searched across generative modeling methodologies from multiple fields and identified MaskGIT, a masked generative model from vision, as a promising framework for crystal structure prediction (CSP). HACO instantiated this masked formulation as a discrete token model of crystal structure; guided by sparse high-level human objectives, it then added crystallographic symmetry tokens, space group stratified sampling for polymorph coverage, and sub-bin coordinate refinement, yielding the Masked Generative Crystal Transformer (MaskGXT). On the MP-20 polymorph split, MaskGXT reaches 79.06% match-everyone-to-reference (METRe) accuracy, compared with 70.87% for the strongest evaluated baseline. MaskGXT also attains the best match rate on standard MP-20 and MPTS-52 CSP benchmarks. These results provide evidence that, in domains offering cheap, fast, and well-aligned validation, transfer-guided interactive AI co-scientists can contribute to scientific algorithm discovery by identifying transferable modeling principles and combining them with targeted human domain guidance.
• Abstract（参考訳）: クロスドメイン探索とスパース・ヒューマン・ステアリングによる科学的アルゴリズム発見のためのHuman-AI Co-Discovery System(HACO)を導入する。 化学組成から結晶構造を生成するという目標から、HACOは複数の分野から生成モデリング手法を探索し、視覚からのマスク付き生成モデルであるMaskGITを結晶構造予測(CSP)の有望なフレームワークとして同定した。 HACOは、このマスク付き定式化を結晶構造の離散トークンモデルとしてインスタンス化し、結晶対称性トークン、多面体被覆のための空間群成層サンプリング、サブビン座標補正を加え、Masked Generative Crystal Transformer (MaskGXT) を生み出した。 MP-20のポリモルフィック分割では、MaskGXTは79.06%のマッチング完全参照(METRe)精度に達し、最も評価の高いベースラインでは70.87%であった。 MaskGXTは標準のMP-20とMPTS-52 CSPベンチマークでもベストマッチレートを達成している。 これらの結果は、安価で高速で整合性のある検証を提供するドメインでは、トランスファー可能なモデリング原則を特定し、ターゲットとする人間のドメインガイダンスと組み合わせることで、トランスファーガイドによる対話型AIの共同科学者が科学的アルゴリズム発見に貢献できることを示す。

関連論文リスト

• GeoMamba: A Geometry-driven MambaVision Framework and Dataset for Fine-grained Optical-SAR Object Retrieval [54.741349848771144]
  GeoMambaは光学SAR微細検索のための幾何学駆動フレームワークである。 GFIモジュールは、クロスモーダルな機能相互作用を強化し、構造的な事前を組み込む。 GeoMambaは既存の手法を上回り、全検索環境で63.3% mAPと77.0% Rank-1の精度を達成した。
  論文  参考訳（メタデータ） (2026-05-19T12:08:09Z)
• Universal Fine-Grained Symmetry Inference and Enforcement for Rigorous Crystal Structure Prediction [3.5802790319269717]
  結晶構造予測(CSP)は、結晶の3次元原子配置をその組成から予測することを目的としている。 既存のディープラーニングモデルは、しばしば、ソフトまたはスペースグループと既知の構造から取得されたウィコフテンプレートにのみ依存する結晶対称性を扱う。 対照的に,本手法は大規模言語モデルを用いて化学意味論を符号化し,Wyckoffパターンを合成から直接生成する。
  論文  参考訳（メタデータ） (2026-02-19T08:43:25Z)
• OXtal: An All-Atom Diffusion Model for Organic Crystal Structure Prediction [63.318434943975255]
  分子内コンフォーメーションと周期的パッキングの条件付き関節分布を学習する大規模100Mパラメータ全原子拡散モデルであるOXtalを導入する。 実験的に検証された600Kの結晶構造の大規模なデータセットを活用することで、OXtalは、以前のabinitio機械学習CSPメソッドよりも改善の順序を達成できる。 オキシタルは80%以上のパッキング類似率を獲得し、分子結晶化の熱力学的および運動論的規則性の両方をモデル化する能力を示している。
  論文  参考訳（メタデータ） (2025-12-07T20:46:30Z)
• Breaking the Modality Barrier: Generative Modeling for Accurate Molecule Retrieval from Mass Spectra [60.08608779794957]
  本稿では,ジェネレーティブ言語モデルに基づく検索フレームワークであるGLMRを提案する。 検索前の段階では、比較学習に基づくモデルでは、上位候補分子を入力質量スペクトルの文脈的先行として識別する。 生成検索段階において、これらの候補分子は入力質量スペクトルと統合され、精製された分子構造を生成するための生成モデルが導かれる。
  論文  参考訳（メタデータ） (2025-11-09T07:25:53Z)
• Towards Efficient General Feature Prediction in Masked Skeleton Modeling [59.46799426434277]
  マスクスケルトンモデリングのための新しい汎用特徴予測フレームワーク(GFP)を提案する。 我々の重要な革新は、局所的な動きパターンからグローバルな意味表現にまたがる、従来の低レベルな再構築を高レベルな特徴予測に置き換えることです。
  論文  参考訳（メタデータ） (2025-09-03T18:05:02Z)
• Automated Algorithmic Discovery for Gravitational-Wave Detection Guided by LLM-Informed Evolutionary Monte Carlo Tree Search [8.633654445285892]
  本稿では,大規模言語モデル(LLM)ガイダンスとドメイン認識の物理的制約を統合して,重力波の自動検出を提案する。 MLGWSC-1ベンチマークデータセット上で,最先端の重力波検出アルゴリズムの性能向上を示す。 本フレームワークは,計算科学領域にまたがる自動アルゴリズム発見のための伝達可能な手法を確立する。
  論文  参考訳（メタデータ） (2025-08-05T17:18:20Z)
• Siamese Foundation Models for Crystal Structure Prediction [70.63218101004398]
  結晶構造予測(CSP)は、組成から安定な結晶構造を生成することを目的としている。 CSPは比較的未発見の領域である。 CSPに特化して設計されたシームズ基礎モデルを提案する。
  論文  参考訳（メタデータ） (2025-03-13T15:44:16Z)
• Neural networks trained on synthetically generated crystals can extract structural information from ICSD powder X-ray diffractograms [0.6906005491572401]
  機械学習技術は粉末X線回折画像から構造情報を抽出するのに成功している。 本稿では,各空間群の対称性演算を用いて,ランダムな座標で合成結晶を生成する方法を提案する。 我々は,1時間に数百万のオンザフライ生成された合成ディフラクトグラムに対して,Deep ResNetライクなモデルのオンライントレーニングを実演する。
  論文  参考訳（メタデータ） (2023-03-21T09:37:29Z)
• Retrieval-based Controllable Molecule Generation [63.44583084888342]
  制御可能な分子生成のための検索に基づく新しいフレームワークを提案する。 我々は、与えられた設計基準を満たす分子の合成に向けて、事前学習された生成モデルを操るために、分子の小さなセットを使用します。 提案手法は生成モデルの選択に非依存であり,タスク固有の微調整は不要である。
  論文  参考訳（メタデータ） (2022-08-23T17:01:16Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。